La inteligencia artificial (IA) está a las puertas de tener un impacto transformador en nuestra vida y en nuestro trabajo. La serie IA para empresas pretende proporcionar a los líderes empresariales y de TI las herramientas y los conocimientos que necesitan para tomar decisiones más inteligentes sobre la IA.
El autor de ciencia ficción Arthur C. Clarke afirmó que "cualquier tecnología suficientemente avanzada es indistinguible de la magia", y pocos avances han demostrado mejor este adagio como la reciente introducción de herramientas de IA generativa tales como Dall-E y ChatGPT. Junto con la capacidad de "crear" obras originales aparentemente de la nada, las herramientas basadas en IA están llamadas a cambiar sectores enteros en un futuro no muy lejano, y por ello no es algo que los líderes empresariales puedan permitirse ignorar.
Sin embargo, al igual que con anteriores conceptos de moda (RIP al metaverso y apenas lo conocíamos), las discusiones en torno a la IA pueden venir acompañadas de un bombo abrumador, lo que dificulta distinguir lo trivial de lo verdaderamente transformador.
En este artículo, nos proponemos desmitificar la IA y establecer una comprensión básica de la tecnología para ayudar a los líderes empresariales a separar los hechos de las modas. Para ello, hemos recurrido a Michael Littman, autor y profesor de informática en la Universidad de Brown y director de la División de Información y Sistemas Inteligentes de la Fundación Nacional de la Ciencia. Su libro, Code to Joy: Why Everyone Should Learn a Little Programming, se publicará este otoño.
Littman afirma que algo que hay que recordar sobre la IA es que es una gran herramienta, pero una mala solución para los problemas empresariales. "En realidad, su trabajo no va a ser mucho más fácil, pero podrá llegar más lejos porque estará trabajando con esta poderosa herramienta. Creo que mucha gente lo olvida. Hay quien piensa que, como esas máquinas son inteligentes, podremos dejarles a ellas el trabajo para que lo hagan todo. De momento no se ha demostrado que vaya a ser así".
Las múltiples capas de la IA
Cuando se trata de entender la inteligencia artificial, uno de los primeros grandes retos empieza en el propio nombre. "Inteligencia" puede ser un término con mucha carga, ya que es una característica asociada principalmente a la conciencia y a los seres humanos. Sin embargo, cualquiera que haya estudiado la historia o la telerrealidad puede confirmar que la "vida inteligente" no siempre da lugar a resultados inteligentes, por lo que sería útil empezar definiendo algunos términos clave asociados a la IA:
- Inteligencia: en relación con la IA, la Universidad de Stanford define la inteligencia como "la capacidad de aprender y ejecutar técnicas adecuadas para resolver problemas y alcanzar objetivos, apropiadas al contexto en un mundo incierto y siempre cambiante". Es esta capacidad de aprender y adaptarse a condiciones cambiantes lo que separa a los sistemas inteligentes incluso de las máquinas más complejas.
- Inteligencia artificial (IA): el término "inteligencia artificial", cuyo origen se remonta a mediados de la década de 1950, se describe por IBM como "un campo que combina la informática y conjuntos de datos sólidos para permitir la resolución de problemas". Aunque la IA se presenta a menudo como una tecnología singular y monolítica, se entiende mejor como un campo amplio que comprende subcampos individuales, como la visión por ordenador o el procesamiento del lenguaje natural, que se centran en sintetizar un componente del gran rompecabezas de la inteligencia.
- Aprendizaje automático (ML): el aprendizaje automático es un subconjunto del campo de la IA que se centra en el uso de datos y experiencia para permitir que los programas "aprendan" y se mejoren a sí mismos basándose en resultados anteriores. El ML, que contiene el subcampo del aprendizaje profundo, se basa en disciplinas como la informática, la estadística, la psicología y la neurociencia para crear una amplia gama de modelos de aprendizaje que se utilizan en los distintos subcampos de la IA.
- IA generativa: impulsoras del actual auge de la IA, las herramientas de IA generativa como ChatGPT y Midjourney utilizan modelos de aprendizaje profundo y cantidades masivas de datos de entrenamiento para generar contenidos basados en las indicaciones de los usuarios.
Las piezas en movimiento de la IA
Aparte de la confusión en torno al lenguaje, los recientes avances en las tecnologías de IA generativa han difuminado los límites entre la producción computacional y la expresión creativa. ¿Qué ocurre realmente entre bastidores al producir esa imagen de una batalla de breakdance entre Bigfoot y Abraham Lincoln?
La respuesta a esa pregunta puede ser un poco complicada, pero no necesita un título técnico avanzado para darse cuenta de las ventajas que la IA puede aportar a su empresa. Si, como la mayoría de los usuarios, usa la IA principalmente a nivel de usuario final o de aplicación, sigue siendo útil comprender algunos de los elementos básicos que intervienen en la creación de modelos de IA, junto con las implicaciones potenciales que pueden tener para su empresa:
- Muchísimos datos: como era de esperar, la creación de un modelo de inteligencia artificial requiere una gran cantidad de datos, pero la procedencia y el uso que se haga de ellos pueden tener implicaciones de gran alcance, desde problemas de derechos de autor hasta la perpetuación de los mismos prejuicios que han asolado durante mucho tiempo a la sociedad humana. Las herramientas impulsadas por la IA que implemente en su empresa podrían tener acceso a la información más sensible o privilegiada tanto de la misma como de los clientes, por lo que debe asegurarse de poder proteger esos datos cuando evalúe sus opciones.
- Potencia de cálculo: para hacer predicciones precisas, las herramientas basadas en IA deben entrenarse con un gran número de ejemplos. La inteligencia artificial, junto con la mayor parte de la tecnología moderna, ha sido posible gracias al crecimiento exponencial de la potencia de procesamiento y la eficiencia en las últimas décadas, pero para algunas aplicaciones empresariales puede convertirse en un importante centro de costes, especialmente a gran escala. El impacto medioambiental de la cantidad de potencia de cálculo que necesitan estas herramientas también es una cuestión importante.
- Reconocimiento de patrones: muchos trabajos de IA se inspiran en la capacidad humana para reconocer patrones. Los ordenadores pueden ingerir más datos que un ser humano en toda su vida pero, a menos que estén programados con mucho cuidado, generalizar esos patrones con la facilidad con que lo hacen los humanos es increíblemente difícil. De hecho, subcampos de la IA, como el reconocimiento de imágenes y el procesamiento del lenguaje natural, reflejan que incluso las acciones humanas más básicas implican a menudo actos sorprendentemente complejos de reconocimiento de patrones. Las herramientas de IA pueden hacer referencia a grandes cantidades de datos para identificar patrones y establecer conexiones que pueden aportar información valiosa e innovación en la forma de hacer negocios. Sin embargo, recuerde que, como ocurre con todos los análisis estadísticos, correlación no siempre equivale a causalidad, así que no dé por sentado que todas las correlaciones que encuentre son significativas.
- Predicciones: disponer de una excelente herramienta de predicción da la posibilidad de optimizar un sistema para tener en cuenta variables de las que quizá no éramos conscientes antes. Desde la sanidad hasta la hostelería, el análisis predictivo se utiliza para analizar datos y predecir resultados futuros, lo que ayuda a las empresas a elaborar estrategias para casi cualquier eventualidad. Sin embargo, estos datos deben considerarse como un asesor adicional, no como el "fin de todo" a la hora de tomar decisiones importantes para su empresa.
- Optimización: las herramientas basadas en IA emplean una serie de modelos de aprendizaje automático para mejorar la calidad de sus predicciones con el tiempo, basándose en la experiencia y en datos adicionales. Esta capacidad de adaptación y mejora puede reportar enormes beneficios, aunque la inteligencia artificial no siempre es la mejor herramienta para cada trabajo, por lo que hay que tener cuidado a la hora de implantar soluciones basadas en IA y en la forma de interpretar y comunicar los resultados.
- Barreras de seguridad: crear un modelo de IA que pueda generar cualquier imagen imaginable no es tarea fácil, pero el mayor reto puede estar en definir qué imágenes no debe crear en absoluto ese modelo, aunque se le pida, por cuestiones morales, éticas o legales. Garantizar que las herramientas de IA son adecuadas para los usuarios finales requiere una cantidad de supervisión humana sorprendente, y cada vez son más los legisladores y expertos del sector que advierten de los riesgos de una IA descontrolada. Por lo tanto, al implantar herramientas de IA en su empresa, no descuide la necesidad de una supervisión humana continua.
De la teoría a la práctica
Dado el papel preponderante que la IA está llamada a desempeñar en el futuro de las empresas, comprender estos componentes básicos puede ayudar a los líderes empresariales a tomar decisiones más inteligentes en lo que respecta a la inteligencia artificial. Littman dice que es importante no tratar de ir por libre cuando se utilizan estos sistemas. "No invente información, porque estamos empezando a reunir información real sobre lo que marca la diferencia cuando se lanzan estas cosas al mundo". Littman sugiere que un punto de partida práctico es el Marco de Gestión de Riesgos de IA del Instituto Nacional de Normalización y Tecnología, o AI RMF.
Próximamente: otros artículos de la serie IA para empresas de GoTo, en los que profundizaremos en estos conocimientos básicos de la IA y ayudaremos a los líderes empresariales a saber qué pueden hacer para mantenerse a la vanguardia.
